Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Abstrak-Beberapa
teknik
yang
biasa
digunakan untuk menghilangkan derau (denoising)
pada sinyal antara lain analisis sinyal dalam kawasan
waktu (Shanon), kawasan frekuensi (Fourier), STFT
(Gabor). Meskipun dengan STFT telah diperoleh
representasi sinyal dalam domain frekuensi dan waktu
secara bersamaan, namun terdapat masalah ketajaman
(resolution)
yang
dikenal
dengan
prinsip
ketidakpastian. Menurut prinsip ketidakpastian tersebut
tidak dapat diketahui dengan tepat, representasi
frekuensi - waktu dari suatu sinyal, dalam pengertian
tidak dapat diketahui dengan akurat komponen
frekuensi berapa saja yang terdapat pada suatu waktu.
Informasi yang mungkin untuk diketahui adalah
informasi pada rentang waktu yang mana terdapat
rentang frekuensi tertentu. Wavelet dengan analisis
multiresolusi dapat memecahkan permasalahan
resolusi karena kemampuannya dalam menganalisis
sinyal dalam berbagai resolusi, sehingga sinyal dapat
dianalisis lebih detail.
Peluahan sebagian atau yang biasa dikenal
sebagai Partial Discharge (PD) menyebabkan
penurunan isolasi material dan mempengaruhi umur
dari peralatan dan kabel tegangan tinggi. Untuk itu,
sangat penting untuk mengetahui karakteristik PD
suatu isolasi. Pengukuran yang dipengaruhi
interferensi elektromagnetik akan menjadikan deteksi
sinyal peluahan sebagian menjadi sangat sulit karena
banyak menimbulkan derau.
Dalam tugas akhir ini dibangun sebuah sistem
yang membantu dalam memperbaiki kualitas
pendeteksian peluahan sebagian menggunakan teknik
Wavelet untuk menghilangkan derau yang didapat
selama pengukuran. Kualitas sinyal hasil denoising
dapat dibandingkan dengan mengacu pada SNR,
dimana pada tugas akhir ini SNR terbaik dimiliki oleh
wavelet Haar dan Sym1.
Kata Kunci : Wavelet, derau, peluahan
sebagian.
I. PENDAHULUAN
1.1 Latar Belakang
Tujuan mengakuisisi data adalah agar data hasil
akuisisi, dapat dianalisis lebih lanjut. Namun dalam
sistem akuisisi, seringkali ada derau (noise) yang datang
dari berbagai macam sumber yang merusak kualitas data
di penerima, akibatnya seringkali informasi yang
II.
DASAR TEORI
2.1 Derau (Noise)[1]
1.2 Tujuan
Tujuan
dari
tugas
akhir
ini
ialah
mengaplikasikan program transformasi Wavelet untuk
menghilangkan derau pada sinyal peluahan sebagian.
1.3 Batasan Masalah
Pembuatan tugas akhir ini ditekankan pada hal-hal
berikut:
1. Sumber derau yang dihilangkan berasal dari alat
akuisisi.
2. Tidak
membahas
peluahan
sebagian/partial
discharge secara mendetail.
3. Tidak membahas teknik-teknik denoising (selain
Wavelet) secara mendetail.
4. Tipe-tipe Wavelet terhadap hasil denoising.
5. Perhitungan SNR.
6. Tidak membahas teknik pengukuran.
7. Tidak membahas stabilitas sistem.
8. Program simulasi ini menggunakan pemrograman
Matlab 7.
1.
2.
(b)
(c)
Gambar 2.5 (a) Sinyal asli (b) Sinyal hasil thresholding keras (c) Sinyal
hasil thresolding lunak
u[m] =
III.
PERANCANGAN PROGRAM
3.1 Diagram Alir
Secara garis besar perangkat lunak yang akan
dirancang memiliki diagram alir seperti yang ditunjukkan
pada Gambar 3.1.
Mulai
Masukkan
sinyal PD
IV.
PENGUJIAN
4.1 Parameter Level Dekomposisi
Penentuan level dekomposisi merupakan tahap
coba-coba untuk mendapatkan hasil terbaik, setelah level
dekomposisi ditentukan, langkah selanjutnya adalah
menentukan besar thresholding yang merupakan tahapan
yang kritis jika nilainya terlalu kecil akan mengakibatkan
derau tidak hilang secara sempurna sedangkan jika nilai
yang diberikan terlalu besar akan mengakibatkan
penurunan SNR. Sebagai sinyal uji akan digunakan
sinyal uji 5kv90_11. Metode pengamatan yang
digunakan adalah dengan membandingkan SNR terbaik
per level dekomposisi.
Pengamatan yang dilakukan adalah dengan
menggunakan dekomposisi maksimal tiap Wavelet yaitu,
untuk Wavelet Haar dengan level dekomposisi
maksimalnya adalah 11 level, untuk Wavelet Db2 dengan
level dekomposisi maksimalnya adalah 9 level, untuk
Wavelet Sym3 dengan level dekomposisi maksimalnya
adalah 8 level dan untuk Wavelet Coif3 dengan level
dekomposisi maksimalnya adalah 7 level.
Pilih Wavelet
dekomposisi
Masukkan
nilai
threshold
Apakah sinyal PD
sudah bebas derau?
Tidak
Ya
Rekonstruksi
sinyal
Selesai
3.2 Dekomposisi
Pada proses dekomposisi menggunakan 12 jenis
wavelet yaitu Haar (sama dengan Db1, Db2, Db3, Db4,
Sym1, Sym2, Sym3, Sym4, Coif1, Coif2, Coif3 dan Coif4.
Level dekomposisi maksimal tiap wavelet berbeda-beda.
Level dekomposisi maksimal tiap wavelet dapat dicari
dengan perintah l = wmaxlev(s,w). s merupakan
panjang sinyal dan w merupakan tipe wavelet.
Dekomposisi 11 Level
Wavelet Haar dengan Level Dekomposisi Maksimal
11.
Pertama-tama load sinyal 5kv90_11, kemudian
akan terlihat seperti pada gambar di bawah ini.
Dapat dilihat pada gambar di atas sinyal PD sebelum didenoising masih berderau.
Dekomposisi level 1
Langkah berikutnya dilakukan denoising dengan
Wavelet Haar dengan dekomposisi level 1 dengan nilai
thresholding 3927.
3.4 Denoising
Proses denoising akan melakukan proses
penghilangan derau, kemudian akan direkonstruksi
kembali sinyal, setelah terlebih dahulu di-thresholding.
3.5 Perhitungan Signal to Noise Ratio (SNR)
Pada Tugas Akhir ini digunakan 2 macam
kriteria penilaian sinyal, yaitu SNR dan membandingkan
sinyal. Pada proses perbandingan kriteria pemilihan
sinyal, sinyal yang dibandingkan adalah sinyal masukan
Dekomposisi Level 2
Dekomposisi pada level 2 dengan nilai threshold
2099, menghasilkan sinyal sebagai berikut.
Dekomposisi Level 6
Dekomposisi pada level 6 dengan nilai threshold
1137, menghasilkan sinyal sebagai berikut.
Dekomposisi Level 3
Dekomposisi pada level 3 dengan nilai threshold
1587, menghasilkan sinyal sebagai berikut.
Dekomposisi Level 8
Dekomposisi pada level 8 dengan nilai threshold
1044, menghasilkan sinyal sebagai berikut.
Dekomposisi Level 9
Dekomposisi pada level 9 dengan nilai threshold
758, menghasilkan sinyal sebagai berikut.
Gambar 4.5 Dekomposisi Haar level 4
Dekomposisi Level 5
Dekomposisi pada level 5 dengan nilai threshold
1065, menghasilkan sinyal sebagai berikut.
Dekomposisi Level 10
Dekomposisi pada level 10 dengan nilai
threshold 437, menghasilkan sinyal sebagai berikut.
Dekomposisi Level 11
Dekomposisi pada level 11 dengan nilai
threshold 300, menghasilkan sinyal sebagai berikut.
Haar
-5,3454
-5,1879
-4,1871
-1,4168
0,51794
Hard
-27,8225
4,1979
8,325
9,6559
12,2831
10
15,6173
11
15,6173
SNR
setelah
denoising (dB)
3,5108
-8,269
-4,4643
-19,0379
9,6559
1,4158
Sinyal 5kv10_1
Sinyal uji yang digunakan adalah 5kv10_1
kemudian akan dilihat beberapa pengaruh tipe Wavelet
secara visual terhadap hasil denoising. Pengujian
dilakukan dengan melihat hasil denoising dengan
beberapa tipe Wavelet yaitu Haar, Db2, Db3, Db4, Sym1,
Sym2, Sym3, Sym4, Coif1, Coif2, Coif3, dan Coif 4.
Pertama-tama tampak dalam gambar 4.22 sinyal
sebelum di-denoising
Wavelet Db2
Wavelet Coif1
Wavelet Db3
Wavelet Coif2
Wavelet Db4
Wavelet Coif3
Wavelet Sym1
Wavelet Coif4
Wavelet Sym2
Pada pengamatan hasil denoising pada gambargambar di atas, dapat dilihat bahwa Wavelet Haar dan
Sym1 memberikan hasil yang lebih baik dibandingkan
dengan Wavelet lainnya. Langkah selanjutnya akan
digunakan perbandingan SNR untuk mengetahui Wavelet
mana yang memberikan SNR terbaik. Berikut SNR
masing-masing Wavelet dapat diringkas dalam tabel
berikut:
Wavelet Sym3
Wavelet Sym4
Pada tabel 4.1, Sinyal 5kv10_1 yang didenoising dengan Wavelet Haar dengan dekomposisi 11
level memberikan hasil terbaik yaitu 0,078928 dB,
kemudian diikuti dengan Wavelet Sym1 dengan -0,97837
dB, sedangkan SNR untuk Wavelet lainnya memberikan
hasil yang sangat kecil.
DAFTAR PUSTAKA
1.
2.
V. PENUTUP
5.1 Kesimpulan
Berdasarkan hasil penelitian mengenai aplikasi
transformasi Wavelet untuk menghilangkan derau pada
sinyal partial discharge dapat disimpulkan beberapa hal
sebagai berikut:
1. Penentuan level dekomposisi merupakan tahap
coba-coba untuk mendapatkan hasil terbaik.
Secara
umum,
semakin
tinggi
level
dekomposisinya menghasilkan SNR yang
semakin baik.
2. Penentuan besar thresholding merupakan
tahapan yang kritis jika nilainya terlalu kecil
akan mengakibatkan derau tidak hilang secara
sempurna sedangkan jika nilai yang diberikan
terlalu besar akan mengakibatkan nilai SNR
berkurang
3. Secara umum thresholding mode hard
memberikan hasil SNR yang lebih baik
dibandingkan thresholding mode soft.
4. Jenis wavelet terbaik didapat dari jenis wavelet
yang memberikan SNR terbaik. Dari ketiga
sinyal uji yang memberikan hasil yang paling
baik adalah Haar dan Sym1.
3.
4.
5.
6.
7.
8.
5.2 Saran
Berikut ini beberapa saran bagi para pembaca
yang berminat untuk mengembangkan penelitian tentang
denoising menggunakan teknik Wavelet.
1. Untuk ke depan sebaiknya meluaskan metode
penelitian yaitu dalam hal pengambilan data dan
teknik pengukuran.
2. Pada waktu pengambilan data sebaiknya
melakukan kalibrasi yang tepat sehingga
akuisisi
datanya
tepat
juga
sehingga
menghasilkan data yang valid.
3. Perlu adanya pengambilan data berupa sinyal
referensi dan noise referensi pada waktu
pengukuran, hal ini berguna untuk menguji
kesamaan dua buah sinyal dengan metode cross
correlation.
4. Mengingat belum adanya penelitian tentang
kevalidan data maka untuk yang akan datang
dilakukan uji coba menggunakan PD calibrator
yang berguna untuk membuktikan sinyal yang
direkonstruksi adalah sinyal PD atau bukan.
Mengetahui,
Dosen Pembimbing I,